Лабораторный практикум по интеллектуальным информационным системам

В подсистеме: «Типология» зайдем в режим: «Типологический анализ классов распознавания – Информационные (ранговые) портреты» и установив курсор на строке с кодом 1 «ПОЛ — мужской» нажмем Enter. В результате в экранной форме отобразиться информационный портер класса, т.е. признаки студентов, расположенные в порядке убывания характерности признаков для данного класса. Однако в этой экранной форме приведены все признаки, а нас интересует только посещаемость. Посещаемость – это описательная шкала, с кодами градаций от 29 до 33. Поэтому, чтобы отобразить только эти признаки, нажмем клавиши: «F6 Фильтрация», затем «F1 Диапазон кодов» и зададим коды 29 – 33. В результате получим экранную форму, приведенную на рисунке 15. Аналогично получим информационный портрет класса: код 2, «ПОЛ – женский». Результат представлен на рисунке 16.

Рисунок 15. Информационный портрет класса:
1 «ПОЛ — мужской», фильтр по посещаемости.

Рисунок 16. Информационный портрет класса:
код 2 «ПОЛ – женский», фильтр по посещаемости.

Из этих рисунков видно, что для ребят характерны плохая и средняя посещаемость, а для девушек – очень хорошая и хорошая. Как это сказывается на успеваемости мы уже знаем.
Пример решения задания 4.3: Как выглядят конструкты «Пол», «Город-деревня», «Учебная группа», «Посещаемость»?
Ответ на первые три вопроса дает анализ, который можно провести в подсистеме F5 «Типология», «Типологический анализ классов», «Кластерный и конструктивный анализ», «Автоматическое выполнение: [1]-[2]-[3]».
После этого выполним режим: «Генерация кластеров и конструктов классов», при следующих параметрах:
– количество уровней кластеризации – 1;
– порог модуля сходства – 0;
– диапазон кодов классов: 1-14;
– исключаем кластеры с одним классом;
– не исключаем кластеры с тождественным набором классов.
Результаты кластерно-конструктивного анализа классов можно просмотреть в режиме: «Просмотр и печать кластеров и конструктов классов» (рисунок 17), а также получить в виде TXT-файла с именем Klas_obj.txt в поддиректории TXT (таблица 17):

Рисунок 17. Конструкт: «Пол»

Удивительно, что система обнаруживает конструкты «Пол», «Город-деревня» и другие, уже нам известные. Конструкт: «Посещаемость» является конструктом градаций описательных шкал, т.е. признаков. Он генерируется в подсистеме F5 «Типология», «Типологический анализ признаков», «Кластерный и конструктивный анализ», «Автоматическое выполнение: [1]-[2]-[3]».
После этого выполним режим: «Генерация кластеров и конструктов признаков», при следующих параметрах:
– количество уровней кластеризации – 1;
– порог модуля сходства – 0;
– диапазон кодов классов: 1-33;
– исключаем кластеры с одним признаком;
– не исключаем кластеры с тождественным набором признаков.
Результаты кластерно-конструктивного анализа признаков можно получить в виде TXT-файла с именем Klas_prp.txt в поддиректории TXT (таблица 18):